考虑非期望产出的我国区域煤炭产业效率分析

李 琰，崔 欣

(西安科技大学 管理学院，陕西 西安 710054)

煤炭产业在中国的能源供应和消费中占主导地位，与国家安全，社会稳定和能源的可持续发展直接相关[1]。通过对煤炭产业效率的评估，可以把握不同区域煤炭行业的发展水平和投入产出状况，促进煤炭行业的集约化发展[2]。但是，随着中国煤炭产业的发展，国内越来越重视煤炭发展导致的环境污染问题。实际生产过程中，一些非期望产出是不可避免的[3]，应尽可能地减少以实现最佳效率。为实现煤炭产业高效稳定发展，学者们利用数据包络分析法对煤炭产业产能利用率、生态效率，创新效率和政策有效性进行了分析[4-7]。对于指标体系的构建，主要从低碳经济、市场结构、产业结构及国际竞争力等角度考虑[8-11]。总结以往的研究发现：①从煤炭产业发展评价成果上讲，现有研究多局限于定性分析或部分发展问题的定量分析，并且大多数研究忽略了非期望产出环境污染对产业发展造成的影响；②从产业发展所涵盖的多方面角度来看，对指标的选取和界定还可以加以改善；③现阶段，DEA在煤炭产业方面的应用不是很多，缺乏对我国各个省市煤炭产业整体状况的研究，该领域仍然处于起步阶段。

由于非径向超效率SBM模型充分考虑到了非期望产出的影响，更能准确的实现效率定量评价，可广泛应用于煤炭行业不同领域的研究。如煤炭产业效率评价需要考虑到的有害气体排放，煤炭企业安全效率评价中涉及的百万吨死亡率以及绩效评价中的资产负债等非期望产出指标的引入，都可以应用非径向的SBM模型测算出更为全面准确的结果，对于行业发展规划更具参考价值。因此，区别于大多数研究，本文采用煤炭产业的相关数据，以各省份煤炭产业为研究对象，将非期望产出概念引入到煤炭产业中，考虑了环境因素这一重要指标对煤炭产业发展的影响，综合运用了DEA-SBM和Malmquist指数模型，对我国省际煤炭产业效率进行静态与动态的综合分析，并给出有针对性的对策建议。

1 模型方法、变量选取与数据来源

1.1 模型方法

1.1.1 超效率SBM模型

1.1.2 Malmquist指数

Malmquist指数计算从t期到t+1期的效率变化，避免时期选择随意性造成的误差，提高了模型的辨识能力。第t时期到t+1时期Malmquist指数定义如下[14]：

Malmquist指数将全要素生产率指数(TFP)分解为综合效率指数(TEC)和技术进步指数(TC)。技术进步是指在生产工艺、中间投入和制造技术等方面的改革和创新。同时，综合技术效率指数(TEC)又分为纯技术效率变动(PTEC)和规模效率变动(SEC)。可表示为：

TFP=TC×TE=TC×PTEC×SEC

(3)

判断产业效率变动的标准：若TFP>1，表示产业效率呈上升趋势；反之呈下降趋势。若TC>1，表示生产技术有进步；反之衰退。若TE>1，表明技术效率改善，反之退步；若PTEC>1，表明生产管理改善带来的相对效率提升，反之降低；若SEC>1，表明每个决策单元规模接近最优，反之远离最优。

1.2 变量选取与数据来源

考虑产业发展的特点，选择人力、物力和财力方面作为投入指标，选取地区工业增加值作为期望产出指标，碳燃烧过程主要产生的有害气体SO2排放量作为非期望产出。其中，人力投入选择各地区的采矿业城镇就业人员数来表示；由于铁路是煤炭运输的主要方式，则物力投入选择各地区煤炭铁路货运量；财力投入选取了采矿业固定资产投资和工业污染治理完成投资两个重要指标。本文选取2010—2017年我国20个煤炭资源型省份的面板数据进行研究，数据来源于《国泰安》《BP能源世界》《中国统计年鉴》《中国环境统计年鉴》及各省市统计年鉴。

2 实证分析

2.1 主要煤炭省份的产业效率对比分析

根据上述模型，运用DEA-SolverPro5.0的非径向非角度的超效率模型，对考虑非期望产出(SBM模型)的20个煤炭资源型省份2010—2017年的投入指标和产出指标进行求解，得到产业效率值，具体数值见表1。

表1 2010—2017年20个省份煤炭产业效率值结果

表1结果显示，在研究期内煤炭产业效率整体处于较高水平，各年份平均值均接近于1。各地区平均效率值显示，不同地区间的效率值差异较大。 例如：陕西省各年份效率值显著低于其他省份，平均效率为0.244，应加强节能减排工作，给予充足的政策指导和财政支持；甘肃省产业效率值分布在0.9左右，较为稳定；吉林和辽宁历年产业效率值呈现较大幅度波动，表明其产业效率具有很大提升潜力；江苏和山东产业效率均值远大于1，可见政策倾向相比其他省份较为稳定。根据各地区煤炭产业效率的演化特征，在研究期内，均显示出均匀波动且有小幅增长的趋势。以平均值作为参照，大致可划分为以下四种类型，如图1所示。

通过原始数据对以上四种情况进行分析：

1)高效稳定型省份(图1(a))如河北、江西和贵州等。河北省较高的效率得益于较高的工业增加值，江西属于经济发展水平较高地区，各个产业发展较好，经济结构合理，贵州资本以及人力投入较少，且污染排放较少是其产业效率高的主要原因。

2)低效稳定型省份(图1(b))包括陕西、山西和新疆等。陕西和山西省煤炭资源丰富，煤炭产业积累水平较高，但由于资源投入高于其他省份，产业聚集不仅没有促进产业升级，反而导致过度开采，造成大气污染严重引起非期望产出过多，导致煤炭产业效率低。新疆由于地理因素的特殊性，经济发展停滞，地方政府对煤炭产业研究投入不足严重阻碍了煤炭生产率的提高。

3)中效稳定型省份(图1(c))有内蒙、云南等，这些省份样本区间内各项投入和产出值均处于整体样本的平均水平，使得其效率值相比其他省份趋于中效稳定，可结合科技手段，调整能源结构，使其日趋合理。

4)中效波动型省份(图1(d))如吉林、辽宁等。东三省煤炭储量一般，地理位置及气候条件特殊，使用煤炭较多且经济实力一般，是效率低下的主要因素。

图1 2010—2017年20省份煤炭产业效率对比图

2.2 煤炭产业效率差异原因的动态分析

对2010—2017年样本省份煤炭产业效率的差异进行Malmquist指数动态分析，具体结果见表2和表3。

表2 2010—2017年各煤炭省份产业效率均值结果及其分解

从表2可以看出，效率值在2012—2013年和2015—2016年期间有所下降。 其余时间的产业效率呈现稳定或增长趋势，特别是2014—2015年，产业效率的增长率达到26%，其贡献源于技术进步。总体而言，2005—2012年期间TFP的增长率为1.1%。在大多数年份，效率值得增加得益于技术进步，在技术效率方面，需要有效改进。

表3进一步分析各地区产业效率变化规律。在20个省份中，大多数省份的TFP大于1，其中辽宁、江苏、江西、湖北、湖南、贵州、云南、陕西、甘肃的效率指标均有效，特别是江苏省，效率增加值高达15.5%，主要是由于技术进步的贡献；在各地区的产业效率中，技术进步呈现出不同程度的积极影响，而技术效率对大多数地区煤炭产业的效率起到了负面作用。技术效率指标反映了管理方法和管理结构的优缺点以及决策的正确性，技术进步指数反映了利用和节能技术的进步。可以推断，近年来，在提高煤炭利用率和节能减排技术的应用中，各地区都取得了不同程度的进展，其中江苏和河南更为突出；而在产业的管理和政策制定方面，如河北、新疆在内的多个省份存在缺陷，可借鉴效率较高地区的经验进一步改进提高。

表3 各省份煤炭产业效率及其分解

3 结论与建议

本文运用超效率SBM模型以及Malmquist指数对20个煤炭资源型省份的煤炭产业效率进行评价和区域比较，得出以下主要结论：纵向变化来看，产业效率整体呈上升趋势，Malmquist指数动态分析显示近五年除2015—2016年TFP小幅下降，其余年份均呈增长趋势，说明在此期间产业发展良好，增长态势明显。其提升主要依赖技术进步；横向比较来看，20个省份煤炭产业的平均效率差异较大且各地区的产业效率也有不同程度的波动。Malmquist指数的动态分析表明，整体产业效率正在上升，主要贡献来自技术进步。TFP小于1的主要原因是其技术效率的严重落后。

根据上述结论，本文对我国煤炭产业的发展政策提出以下建议：

1)为了发展各地区煤炭产业结构优化，须充分考虑全国煤炭工产业效率的差异，合理制定目标。通过财政支持和政策指导，重视产业效率极低的地区，大力推进产业结构升级和节能减排发展；在发展的瓶颈领域，制定长远的发展政策；优化煤炭产业结构和能源结构和发展新型煤化工以减少环境污染等方式使产业的正向发展取得成果。

2)推进节能环保企业集群发展。通过在大气污染防治装备制造、工业固废综合利用等领域实施重点项目，带动产业集群效应；要充分认识到技术进步对煤炭产业发展的贡献，加大对产业相关技术的研发，加强自主创新，注重技术效率的缺陷，提高技术水平，完善产业管理机制。